毕业设计（论文）-基于差分绝对值的R波检测算法研究.doc

摘要摘 要心血管疾病是严重威胁人类健康的疾病之一。心电图的应用提高了心血管疾病的基础研究、临床诊断和治疗的水平，推动了现代医学的发展，为人类的健康做出了重大贡献。心电信号的准确检测与分析对心血管疾病的治疗起着关键作用，成为了当前信号处理领域的研究热点。本文以心电信号的预处理和波形检测为主要研究内容。心电信号是一种微弱的生物电信号，且是一种复杂的非平稳随机信号，极易受各种噪声的干扰。本文重点研究了基于小波变换的去除心电信号基线漂移噪声的算法。根据心电信号和基线漂移噪声的频谱特点，本文基于小波变换的多分辨率分析，对心电信号进行多尺度分解，利用分解后得到的模拟近似信号充分逼近基线漂移噪声的特性，从而去除心电信号中的基线漂移这一低频分量。通过对MIT-BIH心律失常数据库中的心电信号进行去噪处理，验证了本文所采用算法的有效性。心电信号的检测分析中，首要的关键问题是R波的检测，在此基础上才能进一步对心电信号进行检测和分析。传统的基于差分实现R波检测的算法，是以对心电信号的斜率进行定量分析为基础的，都需要使用阈值进行判别，而阈值的选取恰当与否将直接影响算法的检测效果。本文提出的基于差分绝对值的R波检测方法，是一种新的差分检测算法，该方法不是通过阈值来确定R波的位置，具有算法简单，计算量小的特点。通过对MIT-BIH心律失常数据库中的心电信号进行实际检测，证明了该算法具有较高的识别率，达到了较好的检测效果。本文提出的基于差分绝对值的R波检测方法，为心电信号的自动分析提供了一种新的、简单的检测手段。关键词：心电信号；基线漂移；多分辨率分析；R波检测；差分；IVAbstractAbstractCardiovascular disease is one of diseases that seriously threaten the health of people. The application of electrocardiogram (ECG) improves the level of the basic research of cardiovascular disease, clinical diagnosis and treatment, promotes the development of modern medicine, and has made a contribution for human health. The accurate detection and analysis of electrocardiosignal plays a key role in the treatment of cardiovascular disease, has become a research hotspot in current signal processing. In this thesis, pretreatment and waveform detection of electrocardiosignal are as the main research contents. Electrocardiosignal is a weak biological signal, and is a complex non-stationary random signal which is vulnerable to the interference of all kinds of noise. This thesis was focused on the algorithm of removal of electrocardiosignal baseline drifts noise based on wavelet transform. According to the frequency spectrum characteristics of electrocardiosignal and baseline drifts noise, this thesis was based on multi-resolution analysis of wavelet transform, decomposed the electrocardiosignal to multi-scale, utilized the analog approximate signal obtained after decomposition to fully close to the characteristics of the baseline drift noise to remove the electrocardiosignal baseline drift in the low-frequency components. Through the denoising processing of the electrocardiosignal in the MIT-BTH database, the effectiveness of the algorithm used in this thesis was verified. In the detection analysis of the electrocardiosignal, the first key issue is the R-wave detection, which is the basis of further detection and analysis. The traditional differential R-wave detection algorithms are based on quantitative analysis of the slope of the electrocardiosignal signal, are needed to use a threshold to discriminate, while whether the selection of threshold is appropriate or not will influence the detection effect of the algorithm directly. This thesis proposed the R-wave detection method based on absolute difference which it is a novel difference detection algorithm. This method is not only a simple algorithm, less calculation, but also frees the algorithm from the dependence on the threshold to detect the R-wave in novel characteristics. Through the practical detection for the electrocardiosignal in the MIT-BTH database, the higher recognition rate of the algorithm is verified to achieve better detection results. This thesis proposed a R-wave detection method based on the absolute of difference, and provide a novel and simple detection mean for the automatic analysis of electrocardiosignal.Keywords: Electrocardiosignal; Baseline drift; Multi-resolution analysis; R-wave detection; Ddifference.目录目 录摘 要IAbstractII目 录III第一章 绪 论11.1论文选题背景及研究意义11.2心电自动分析技术的发展21.3 心电信号检测的研究难点31.4本论文的研究内容及结构安排41.4本论文的主要特点及创新点4第二章 心电图与心律失常52.1心电信号的生理特性52.2心电信号的特点52.2.1心电信号的时域特性62.2.2正常心电信号及其特征72.3心电图导联82.3.1 标准导联82.3.2 加压单极肢体导联92.3.3 胸前导联102.4 心律失常及心电图表现102.4.1 心律失常102.4.2 心律失常的心电图表现112.5 ECG信号检测算法分析132.5.1阈值法142.5.2相关法152.5.3小波变换法162.5.4人工智能法172.5.5其它数学方法172.6 MIT-BIH标准心律失常数据库介绍18第三章 基于小波变换的心电信号去噪处理203.1心电信号主要噪声的来源及特点分析203.2小波变换理论213.2.1连续小波变换的定义213.2.2连续小波变换的频域特性223.2.3 二进小波变换253.2.4 小波变换的多分辨率分析253.2.5 Mallat算法263.3 应用小波变换去除基线漂移噪声283.3.1 应用小波变换去除ECG基线漂移噪声283.3.2 实验结果分析32第四章 基于差分绝对值的QRS波检测方法354.1基于差分绝对值的R波检测354.1.1基于差分的R波检测算法现状研究354.1.2 算法描述384.1.3检测结果统计434.2检测算法修正484.2.1防止R波误检的方法494.2.2 实验结果与分析504.3 检测结果的分析与讨论504.3.1 误差来源分析504.3.2 MIT-BIH复杂心电信号质量分析50第五章 总 结525.1 工作总结525.2 工作展望52参考文献53攻读硕士学位期间发表的论文57致 谢58第一章 绪论第一章 绪 论1.1论文选题背景及研究意义冠心病、高血压、心律失常等心血管疾病已成为全球范围内威胁人类生命的主要疾病之一。据最新发布的中国心血管病报告2010称，我国目前大约有2.3亿人患高血压、冠心病和心力衰竭等心血管病，而高血压患者已接近2亿人。与2002年的统计数字相比，短短6年时间里心血管病患者增了4000万人。在我国，每年死于心血管疾病的病人约有300多万，大约每分钟有就6人死于该病。报告同时指出，我国心血管疾病的患病率仍在上升：与2002年相比，2008年城市地区冠心病死亡率上升2.31倍，农村地区上升1.88倍。城市心肌梗死上升2.40倍，农村地区上升2.84倍，农村地区的心肌梗死超过了中小城市的水平。心血管疾病成为我国越来越突出的问题1。作为心脏电活动在体表的综合表现的心电图（Electrocardiogram, ECG），蕴含着丰富的生理和病理信息，能反映心脏节律及其电传导的信息。心电图在一定程度上可以客观反映心脏各部位的生理状况，是评价心脏功能、辅助诊断心血管疾病、评估各种治疗方法有效性的重要手段之一，尤其对于诊断分析各种传导障碍和心律失常具有重大意义。因此心电图（ECG）检查是目前分析和鉴别各种心脏疾病最常用和最精确的方法。1901年，荷兰莱顿大学的生理学家Willem Einhtoven应用弦线电流计首次描绘记录出比较满意的P-QRS-T复合波，并于1903年发明了世界上第一台心电图机，使用其记录出每个心动周期的心脏变化曲线，并将其命名为心电图（ECG）。从那时起，临床医学开始正式使用心电图进行心脏疾病的诊断，至今已经百余年。现在，心电图已成为临床中重要的常规检查手段，能较好的辅助医生诊断各种心脏疾病。但是，由于病理性心电图的种类繁多、变化很大；患有同种疾病的不同患者的心电图存在较大差异；即使是同一患者，其心电图在不同时刻都会呈现出不同的形态，这就需要医务人员具备深厚的专业知识和大量的临床经验才能对其做出准确判断。同时，采用人工对心电信号进行分析，不是实时分析，其速度达不到实时性的要求，因此预警性较差。为了使医生摆脱繁重的图形信号识别工作，集中精力判别异常心电波形，提高分析诊断的效率，所以人们将计算机辅助分析应用到心电图分析中，解决了心电信号自动检测的部分工作。另一方面，由于体表电极检测到的心电信号是非线性的随机信号，并伴有较强的噪声干扰，这也给准确检测和分析心电信号带来一定难度。为了解决这一难题，近年来，科研人员进行了大量研究。目前，人们通过差分阈值2、小波变换3、模板匹配4和神经网络5等方法在心电信号的QRS复合波、P波、T波检测和心电信号去噪等方面取得了比较满意的效果。1.2心电自动分析技术的发展心电自动分析技术融合了传感器技术、信号处理技术、描记技术以及逻辑判断技术（人工智能）等最新的研究成果，是迄今计算机技术在医学领域中应用最为成功的典范之一 6。心电图的自动分析对心脏疾病的分析和诊断有着重要的临床意义。目前的心电自动分析系统基本能够实现心电信号的自动分析和智能诊断，及患者信息和诊断分析等数据的综合管理。心电自动分析主要包括心电信号的预处理、波形的检测、心电分析诊断三个部分7。其中心电信号的预处理是对工频干扰、基线漂移干扰、肌电干扰等主要干扰的处理；波形检测主要是先检测QRS复合波、P波、T波，然后在此基础上计算出QRS宽度、R-R间期、P-R间期、S-T段等；心电分析诊断就是根据对心电信号波形的识别结果，依据医学知识做进一步的判断分类。在心电信号的各个波形当中，R波由于具有波形陡峭、幅度大、时间间隔短的特点，是最容易识别的波形。R波的检测与识别是心电信号波形分析的首要关键问题，也是后续一系列分析的基础。现在R波的检测方法主要有：小波变换法、阈值法、模板匹配法、神经网络法等。其中，阈值法算法比较简单，处理速度快，是ECG信号检测的最基本手段；小波变换法用于心电信号的检测，已经获得较好的效果。小波变换具有良好的时频域转换和局部化分析能力，但缺点是计算量比较大，处理大批量数据时效率不高；模板匹配法易受高频噪声和基线漂移以及个体差异的影响，在自适应能力方面表现较差；神经网络法是一种基于样本的判别方法，由于受样本训练时间和适应能力的制约，在处理特殊案例或特殊波形时，表现出较差的适应性。在以上多种方法的基础之上，有科研人员提出了多种改进方法，比如将传统的阈值法改进为自适应阈值法，使得阈值法的适应能力和准确率得到较大提高。1.3 心电信号检测的研究难点目前，医生通常还是通过肉眼观察仪器采集到的心电信号，再根据自身的医学知识和临床经验进行分析诊断，这种方式一方面受到分析数据局部性的限制，另一方面无法排除个人的主观性，从而使诊断结果的准确性和客观性均受到影响。特别是对于偶发性疾病，最佳的检测时段是不能预先估计的，因此需要进行较长时间的动态观测，这样一来，要分析的数据量就会大大增加，如果仍采用人工去观察分析和判断肯定是不现实的。另外，心电信号的特点也给检测研究带来很大困难。首先，心电信号的波形复杂（如图1.1所示），从图1.1可以看出，其波形形态异常不规则，变化非常大。分析心电信号时，要先识别出具有意义的波形，再将这些形态各异的波形进行分类，进而提取出医学诊断所需要的、不同类别波形的分布归律和详细信息。其次，心电信号存在个体差异和时间差异，即不同病患的心电信号波形会有较大差别；对于同一病患，受自身心情和周围环境变化的影响，其心电信号也会产生不同程度的波动，这样就大大增加了分析的难度。另一方面，干扰噪声对心电信号的影响，以及心电信号自身的变异性，使其波形容易产生畸变，这也给心电信号的检测增加了难度。正因为心电信号检测问题所具有的特殊性和复杂性，往往使得人们的检测算法不甚理想，特别是对于一些非常特殊的复杂波形，检测效果较差。可以这样说，无论哪一种有效的检测算法，都不可能实现对所有类型心电信号的检测分析。图1.1原始心电信号就本文而言，通过寻找心电信号波形的新特征，使用一种新的方法差分绝对值法来实现R波的检测，试图使用一种简单但是有效的方法来实现复杂心电信号的R波检测。1.4本论文的研究内容及结构安排在现有心电信号的处理和分析技术中，本文主要对“心电信号预处理”和“心电信号波形检测”这两个关键技术进行算法研究。首先采用小波变换对心电信号进行去除基线漂移噪声的预处理，以提高心电信号波形的平滑程度，为下一步的心电信号波形检测提供高质量的信号。其次，采用一种新的方法差分绝对值法，实现对MIT-BIH心律失常数据库中心电信号的初步识别判断。本文第一章主要介绍了本课题的研究背景和研究难点，以及心电自动分析技术的发展现状。第二章主要介绍了心电信号的生物特性，心电信号波形的特征，同时分析介绍了目前对心电信号检测方法的研究以及所获得的成果，以确定本文的研究方向和获得研究的依据。第三章介绍了心电信号基线漂移噪声的去除。介绍了小波变换的相关理论，以及小波变换的多分辨率分析和Mallat算法，并将其应用于MIT-BIH心律失常数据库中心电信号基线漂移噪声的去除，同时将噪声去除的效果展示于仿真平台上。第四章详细介绍了心电信号波形中R波的检测。首先分析了几种基于差分方法实现R波检测的算法，进而提出一种新的实现R波检测的方法基于差分绝对值的R波检测算法，在详细介绍该算法的原理及具体检测过程后，展示了该算法在仿真平台下对MIT-BIH心律失常数据库中心电数据的检测效果，并对检测结果进行详细讨论分析，为该算法的后续研究和改进提供导向。第五章总结全文的研究内容，并对本文所采用的R波检测算法存在的问题进行了分析，最后阐述了该算法的下一步研究方向。1.4本论文的主要特点及创新点通过观察分析大量ECG信号，同时对多种检测算法进行分析和研究，为本文提供了研究导向和依据。本文的主要研究目标是ECG信号预处理和信号波形检测的有效性和实用性，具体对心电信号的基线漂移噪声去除和R波检测这两方面进行了深入研究，提出了一种新的R波检测算法差分绝对值法，该算法摆脱了现有差分方法对阈值的依赖，且算法简单，能实现R波的有效检测。62第二章 心电图与心律失常第二章 心电图与心律失常在研究检测心电信号之前，对心电信号的生理特性、相关特征以及心律失常等相关医学知识有一定程度的了解是非常必须的，这能为心电信号数据的分析、处理、特征提取及获得诊断结论提供坚实的理论基础。2.1心电信号的生理特性心脏的右心房上的窦房结会产生一种微小的电脉冲，该脉冲每分钟大约发出60次，在此脉冲的控制下，心脏进行收缩运动。由窦房结所发出电脉冲，以渐进波的方式传送至左、右心房，使左右心房产生收缩。为了让血液充分流至心室，电脉冲在传送至房室结后大约停滞1/10秒，接下来通过传送纤维将电脉冲传送至左右心室，从而使左右心室产生收缩。在一序列的电活动之后心脏暂时静止，心室等待复极以恢复带负电状态，从而完成一次完整的心脏搏动周期，即心搏。心脏肌肉在收缩时都伴随电的变化，这种电的变化称为除极，除极能够被贴在体表某些特定部位的电极检测到。由于心室肌的质量大，室壁厚，因此当心室除极时，会在心电图中呈现一个幅度较大的波形，体现在ECG信号波形中就是QRS复合波。与除极过程相对的是复极过程，心室肌从除极状态返回到静息状态的过程就称为复极，并形成心电图中的T波。由于心房肌的质量比心室肌小，腔壁也比心室肌的腔壁薄，因此心房收缩所伴发的电的变化也比较小，在心电图中表现为P波8。2.2心电信号的特点心脏不停地进行伸缩运动，在每个跳动周期中都伴随着生物电的变化。当心脏收缩时，首先产生的是电激动，在电激动之后大约0.020.07秒，心脏进行机械性收缩。人体将心脏在电激动时所产生的动作电流传导至全身各部，所以只要在体表特定的部位放置电极就可以检测到电压的变化，随后心电图仪将其用曲线的形式表示出来，此种曲线图就称为心电图（ECG）9。ECG信号是一种生物电信号，它是心脏活动过程在人体体表的综合反映。由于ECG信号其信号源的无法触及性，以及人体自身的复杂性，因此ECG信号具有以下特点：（1）随机性较强，无法用确定的函数来描述。另外人体的不平均性，也使心电信号容易受外来信号的影响，随外界干扰的变化而发生变化。（2）信号微弱，检测背景噪声强且种类多，检测难度较大，ECG信号属于低幅的微弱生物电信号，易受到各种噪声的干扰。（3）低频特性：人体心电信号的频率多集中在0.05100Hz之间10。2.2.1心电信号的时域特性ECG信号属于时域波形信号，它是反映心脏电压随时间变化的函数。如果使用不同的导联，在人体体表不同的部位上进行检测，则所测得的心电波形将各不相同，同时不同个体的ECG信号也存在较大差异，但只要是正常的心电波形，其周期都可以划分为P波、P-R段、QRS复合波、S-T段、T波几个主要部分，波形的各个部分都代表着相应的生理意义，如图2.1所示。如果心脏产生病理性变化，那么心电信号将在波形周期和形态上发生畸变。V（幅度）PR间期QT间期QRSPR段ST段TRQST（时间）图2.1心电图典型波形心电图时域波形的幅度范围一般在10uV4mV之间，典型值为1mV左右。从时域波形可以看出，ECG信号特征段的分界处恰好是波形上的拐点，即波形变化起伏最大的点，这也是ECG信号波形检测与特征定位的关键点。2.2.2正常心电信号及其特征心电图是了解心脏状况的主要依据之一，可以反映心肌受损的程度和发展过程以及心房、心室的功能结构情况。1、心电图的典型波形心电图是从体表记录的心脏电位变化曲线，来源于心肌细胞的生物电活动，与心脏的电生理特性密切相关，它体现了整个心脏兴奋的发生、传导和恢复过程的综合电位变化。正常的心电图如图2.1所示。在其波形组成中，R波是首先出现的位于水平基线以上的正向波；Q波是R波前的负向波；S波是R波之后的第一个负向波，Q波、R波和S波共同组成一个QRS复合波；P波是R波之前的幅度较小的正向波。在实际的心电信号检测中，由于心电图仪探头不同的连接方法会导致波形产生不同的方向，R波可能是负向，P波也可能是负向的。病理性的心电信号中也可能出现R波和P波负向的情况。T波出现在R波之后，是幅度较小的正向波；P波起点到Q波起点的间隔时间称为PR间期，两个相邻的R波峰值点的间隔时间称为RR间期；从QRS复合波终点到T波起点的线段称为ST段；从QRS复合波起点到T波终点的间隔时间为QT间期。1、P波：也称为心房除极波，其波形呈现光滑圆钝的形态，反映的是左右两心房除极过程中的电位变化，起点代表右心房开始激动，终点代表左心房激动结束。P波的宽带为0.080.11秒，幅度不超过0.25mV。2、QRS复合波：反映两心室除极过程的电位变化。其波形宽度为0.060.10秒，代表全部心室肌激动过程所需的时间。3、T波：反映晚期心室复极时的电位变化。复极过程与心肌代谢有关，较之除极过程缓慢，因此T波宽度较大，历时0.050.25秒。在以R波为主的导联中，T波的幅度不应低于R波的1/10。2、心电图的典型间期和典型段1、P-R间期：从心房除极开始到心室除极开始的间隔时间称为P-R间期。成人的P-R间期在正常情况下一般为0.120.20秒。如果P-R间期大于0.20秒，则可能发生了房室传导阻滞；在心率较快的情况下，P-R间期相应较短；经常进行体育锻炼的人，其P-R间期则较长。2、Q-T间期：表示的是心室完成除极和复极所需要的总时间，在ECG波形中对应的是从QRS复合波起点至T波终点的间隔时间。心率的快慢反映在Q-T间期的宽度上，心率越慢，间期越宽；反之，则间期越窄。成人的正常心率在60次/分100次/分之间，Q-T间期大约为0.360.44秒。3、S-T段：从QRS复合波终点到T波起点间的线段。正常情况下接近于水平基线，表示的是心室除极完成后到开始复极的间隔时间。S-T段的心电曲线接近于水平基线，是由于在该时间间隔内，心室的各个部分都在进行除极，都未开始进行复极，因此各部分之间不存在电位差。对于正常的ECG信号，其S-T段在水平基线上下、0.1mV0.05mV范围内波动。4、P-R段：从P波终点到QRS复合波起点间的线段，正常情况下接近于水平基线。心脏电激动通过心房后向心室传导，在此传递过程中要经过心脏的房室交界区，由于电激动在该区域传导时，其传导速度非常慢，因此所形成的电位变化就很微弱，所以在P波之后，波形线段又回到基线水平，形成了接近水平基线的P-R段。只有通过对ECG信号的各个波形和特征段所对应的参数进行准确测量，然后将测量得到的数据与正常的参数进行对比，才能对ECG做出准确的分析和判断，进而得到相应的诊断结果。2.3心电图导联临床心电图的信号主要是从体表采集的。如果将探测电极安置于体表相隔一定距离的任意两点，原则上就可测出心电的电位变化，此两点即构成一个导联。两点的连线代表导联轴，具有方向性。临床常用的心电图导联是标准十二导联，记为双极导联：、；单极导联：aVR、aVL、aVF、V1V6。2.3.1 标准导联反映两个肢体间的电位差的导联方式称为标准导联，亦叫做双极肢体导联。导联：心电图仪放大器的正向端与左上肢电极相连，放大器负向端与右上肢电极相连，反映左上肢（L）与右上肢（R）的电位差。导联：心电图仪放大器的正向端与左下肢电极相连，放大器负向端与右上肢电极相连，反映左下肢（F）与右上肢（R）的电位差。导联：左下肢电极连接到心电图仪放大器的正向端，左上肢电极与放大器负向端相连，反映左下肢（F）与左上肢（L）的电位差。各导联连接方式如图2.2所示。RLF+-RLF+-RLF+-R图2.2 标准导联2.3.2 加压单极肢体导联与标准导联不同，如果心电图仪放大器的负向端被接地（连接到零电位点上），而体表的任意一点上连接探测电极，那么就可以测量出该点的电位变化，这种导联方式就是单极导联。由于使用单极肢体导联VR、VL、VF所测量得到的心电图波形幅度较小，所以在描记某一肢体的单极导联心电图时，只要断开肢体与中心电端（即取自左上肢、左下肢和右上肢的中心电位）所连接的大值电阻，则心电图波形的幅度就可以提高50%，因此这种导联方式就称为加压单极肢体导联，记作aVR、aVL、aVF。 各导联连接方式如图2.3所示VVV右上肢（R）左上肢（L）左下肢（F）右下肢（RF）aVRaVLaVF中心电端_+_+_图2.3加压单极肢体导联2.3.3 胸前导联胸前导联就是将探测电极放置于胸前的一定位置。该导联方式的探测电极距离心脏很近，因此心电图波形幅度较大。根据探测电极具体放置位置可分为：V1：电极放置在胸骨右缘第4肋间。V2：电极放置在胸骨左缘第4肋间。V3：电极放置在V2与V4连线的中点。V4：电极放置在左锁骨中线与第5肋间相交处。V5：电极放置在左腋前线V4水平处。V6：电极放置在左腋中线V4水平处。胸前导联位置如图2.4所示。图2.4胸前导联2.4 心律失常及心电图表现2.4.1 心律失常心律即指心脏跳动的节奏。正常人的心脏跳动是由窦房结控制的。窦房结发出信号刺激心脏跳动，这种来自窦房结信号引起的心脏跳动，就称为正常的“窦性心律”，频率每分钟约为60100次。健康人的心律应该是十分均匀的，而当心脏产生病变或心脏神经调节功能不正常时，就会出现心律不齐或心律失常。心律失常指心律起源部位、心搏频率与节律、冲动传导以及激动次序任何一项的异常。通常所说的心律紊乱或心律不齐偏重于心搏节律的失常，而心律失常既包括心搏节律的异常又包括心搏频率的异常。按照发生原理划分，心律失常可分为两大类：冲动形成异常和冲动传导异常。 一、冲动形成异常（一）窦性心律失常：是指窦房结发出的激动显著不规律，使心房和心室的节律也不规则。在同一导联描记的心电图上，最长的P-P间期与最短的P-P间期之差超过0.12s。窦性心律失常分为：窦性心律不齐； 窦性心动过缓；窦性心动过速； 窦性停搏。（二）异位心律1、被动性异位心律：指在窦房结自律性减低或冲动传导障碍时，窦房结以下部位的节奏点发出的冲动使心脏搏动。被动性异位心律也称为逸搏，可分为：房室交界区性逸搏及逸搏心律：心电图特点为延迟出现的12次QRS波，形态与正常窦性下传的QRS复合波基本相同；室性逸搏及室性自搏性心律：心电图特点为延迟出现的QRS波呈宽大畸形，时间大于0.12s。2、主动性异位心律分为： 期前收缩； 阵发性心动过速； 心房扑动；心房颤动； 心室扑动；心室颤动。二、冲动传导异常 1、生理性干扰及房室分离所导致的冲动传导异常。 2、病理性的冲动传导异常，通常表现为： 窦房间传导阻滞； 房内传导阻滞； 房室间传导阻滞； 室内传导阻滞；左、右束支传导阻滞；左束支分支传导阻滞。 3、房室间传导途径异常。 按发病部位分类，心律失常可分为以下几种：1、 窦性心律失常。2、 房性心律失常。3、 房室交界区心律失常。4、 室性心律失常。按照心律失常发生时心率的快慢，还可将其分为快速性心律失常与缓慢性心律失常两大类。2.4.2 心律失常的心电图表现心律失常在相应心电图的波段和间期上会有所表现，现以窦性心律失常11为例列举说明：1、正常窦性心律的心电图特征为：有一系列规律出现的P波，P波形态表明冲动来自窦房结（即、aVF、V5导联P波直立，aVR导联P波倒置）；PR间期在0.120.20sec；同一导联中PP间期差值应小于0.16sec；正常窦性心律的频率一般为60100次min。（图2.5）图2.5 正常窦性心律2、窦性心动过缓：当窦性心律的频率低于60次min时，称为窦性心动过缓。多见于颅内高压、甲状腺功能低下或受体阻滞剂作用时。运动员和老年人的心律也相对较缓慢（图2.6）。图2.6 窦性心动过缓3、窦性心动过速：成人的窦性心律频率超过100次min时，称为窦性心动过速。其心电图特征为：PR间期、QT时限及QRS波均相应缩短，有时可继发ST段轻度压低和T波低平（图2.7）。窦性心动过速常见于运动、精神紧张、发热、甲亢及贫血。图2.7 窦性心动过速4、窦性心律不齐：窦性心律仍起源于窦房结，但节律不规整，在同一导联上P-P间期差异大于0.16sec（图2.8）。多见于青少年或植物神经功能不稳定者，常与呼吸周期有关，多无临床意义。图2.8 窦性心律不齐5、窦性停搏：在规律的窦性心律中，可因迷走神经张力增大或窦房结自身的原因，在一段时间内窦房结停止发放冲动。在心电图中表现为：规则的PP间隔中P波突然消失，而且所消失的P波在时间上与正常P-P间期不成倍数关系（图2.9）。图2.9 窦性停搏2.5 ECG信号检测算法分析由以上介绍可知，QRS复合波检测是心电图自动诊断的基础，是心电信号分析中的首要环节和关键环节。如果要把心电数据准确划分为各个心拍，对心电信号进行正确的参数测量和波形分类等一序列的处理和分析，必须首先实现QRS复合波的正确检测。因此，心电自动分析系统的性能在很大程度上受QRS复合波检测算法的准确性和检查效率的影响。QRS复合波检测主要包括QRS复合波位置、幅度、宽度的检测。经过前人几十年的研究，其各个参数的检测方法层出不穷，但每种方法都各有优劣。心电信号波形的复杂性、各类型噪声的干扰、检测对象的个体差异，这些因素都给QRS复合波的精准检测带来很大困难。从实现方式这一角度划分，QRS复合波的检测算法可分为软件实现法和硬件实现法 12。QRS复合波硬件检测算法其系统结构比较简单，处理速度也比较快，但是当面对复杂情况时，硬件实现法的灵活性较差，不具备很好的应对能力；而如果检测算法是用软件实现的，那么该检测算法能够对复杂情况做出特殊处理，且处理速度很快。因为用软件实现的检测算法，不但可以进行线性和非线性变换，还能进行判定处理，同时还能对各类参数进行调节。因此QRS复合波检测算法的研究方向主要是在软件领域。QRS复合波检测技术从上世纪七、八十年代，基于经典信号处理的方法，到九十年代基于小波变换和神经网络的方法，以及目前各种方法的结合应用，这一发展提高过程受到了计算机技术、数字信号处理技术等相关技术领域和人工智能理论发展的巨大推动。另外，从上世纪八十年代以来，MIT-BIH标准心律失常数据库的逐步形成和不断完善，也使得QRS复合波检测算法有了比较权威的检验和评估标准，这一方面也促进了各类检测算法的不断改进和完善。以下内容将对目前QRS复合波的检测算法进行回顾和分析。2.5.1阈值法从图2.1可以看出，在ECG信号波形中，QRS复合波的波形是最明显的，其中R波的特征最为显著。R波的幅度和斜率是所有波形中最大的，宽度也较宽。基于R波的上述特点，可以采用阈值法来对其进行检测识别。阈值法的基本原理是：设定一个检测阈值，若ECG信号中某数据点的幅度值大于该阈值，就可判断检测到一个R波。这是一种理想的检测状态，前提是ECG信号中没有掺杂噪声信号，其波形形态较好，没有发生严重的畸变。但实际的情况是：无论使用何种精密仪器，所采集到的ECG信号中肯定都伴有不同种类的噪声，这些噪声都会对ECG信号产生不同程度的干扰和影响。例如基线漂移噪声，它会使ECG信号波形上下浮动，偏离水平基线。而工频干扰噪声会使信号波形失真。另一方面，如果心脏发生病理性变化，其对应的ECG信号将会产生不同程度的畸变。所以实际要检测的ECG信号，绝大多说情况下，都是波形形态发生相应变化的非平稳随机信号，那么使用单纯的阈值法是无法获得好的检测效果的。因此，在使用阈值法进行检测之前，必须先对ECG信号进行预处理，尽可能地去除其中所包含的噪声，以此来提高信号质量，改善ECG信号的波形。去除ECG信号噪声的方法很多，一阶差分法是应用较早的，该方法是对ECG信号进行一阶差分运算，运算后的信号中不再含有基线漂移噪声。因为一阶差分其本质是对信号进行高通滤波，由于基线漂移属于低频干扰噪声，所以可以将其去除。但是ECG信号中还可能伴有工频干扰和肌电干扰，这两种噪声属于高频干扰噪声。如果将ECG信号高通滤波，那么高频干扰噪声将被放大，从而达不到去噪的目的。之后的研究所提出的ECG信号预处理方法是采用带通滤波，对滤波后的信号波形进行非线性变换，目的是进一步加强QRS复合波，使其与P波、T波和噪声能够明显区分开，尤其在幅度这一参数上。心电信号经过预处理后，再由相关的判别规则判断是否有R波出现。判别规则通常包含幅度、斜率和面积阈值13。早期使用阈值法检测QRS复合波时，其阈值是预先设定的。由于ECG信号存在个体差异和时间差异，即不同病患的心电信号波形会有较大差别；对于同一病患，受自身心情和周围环境变化的影响，其心电信号也会产生不同程度的波动，显然预先设定的固定阈值是不适用的，所以，阈值应该是可变的，通过阈值的变化去适应不同的检测情况和检测对象，这就是后来所采用的自适应阈值法。在ECG信号的预处理方法中，滤波器法最为传统，也是最为简单的方法。经过前人的研究，滤波器法可具体分为二阶导数算法、移动窗口积分法、正交滤波算法等不同算法14 15。二阶导数算法是取心电的一阶与二阶导数的平方之和作为QRS复合波输出标记的脉冲信号，此方法突出了QRS复合波上升速率变化最快的地方，可以根据输出脉冲的宽带精确地估计R波的宽带。移动窗口积分法的求导平方运算与二阶导数算法相同，只是最后对求导的平方数据进行移动窗口积分，这种方法受高频随机噪声影响较小。正交滤波法是将心电信号输入到两个相位固定、相差为/2的滤波器，从而获得互为希尔伯特交换的输出，通过检查幅值即可以检测QRS波。2.5.2相关法相关法也被称为模板匹配法 16 17。虽然ECG信号会受干扰噪声和个体差异的影响，而使其波形发生不同程度的变化，但总体上，ECG信号的周期性还是比较强的，同时每个波形周期之间对应的波形变化较小，因此可以将QRS复合波、P波、T波等特征波形近似看作为单独的固定模板，并将其存储起来，构成ECG波形模板库。检测时，只有将ECG信号采样点与模板库中的ECG波形模板进行逐点比较。如果待检测的信号与波形模板相关度比较大，特别是耦合时，则可认为该采样点与该模板同类。这样对QRS复合波的识别就转化成了对QRS模板与其他模板的鉴别。此方法实质是幅值判别与频率判别的统一。其中常用的比较方法有平均法、最小二乘法、幅度检测、面积差分法等方法，而所存储的信号是研究人员分析出的比较有意义的一些正常或异常的QRS复合波信号。但是这种方法对高频噪声和基线漂移很敏感，同时需要预先存储信息，不适用于动态心电的实时检测，实用性不强。另外，病理性的ECG信号波形可能产生较大畸变，同时不同病患的ECG信号波形也可能存在很大差异，如果待检测的ECG信号波形与模板库中存储的波形模板比较，其相差很大时，则这些信号中的QRS波将会被漏掉18。2.5.3小波变换法近年来小波变换技术在ECG信号识别方面得到广泛应用，并取得了较好的效果19。小波变换是一种时频局部化分析方法，它能将信号在时域和频域上以不同分辨率分解成不同尺度下的信号，使局部信号特征放大，然后在各尺度下进行各种操作，其实质就是带通滤波。与其他方法相比较，小波变换法可以有效地消除运动伪迹、基线漂移等影响。影响小波变换分析效果一个很重要的因素是小波基的选取，同时也是难点所在。根据心电信号的特点，通常选取与心电信号波形类似的Mexican-hat小波作为基，也可选取二进样条小波为基。Mexican-hat小波作为小波基，可以使分解后的信号尽可能多的保留原始ECG信号的特征或信息，同时可以在任意尺度上进行分解，所以在小波变换中常常采用。对于二进样条小波基20-22，即利用二进样条小波对ECG信号进行变换。通过分析ECG信号的奇异点（QRS波极值点）与其小波变换的模极大值对的零交叉点的关系，在21、22、23、24等多个尺度上做小波变换。由于QRS复合波的能量大多集中在23尺度上，而基线漂移、运动伪迹等能量大多集中在25尺度以上，所以在23尺度上QRS复合波显示明显，具有最大的小波变换幅度，并且基线漂移、高尖P波、高尖T波的干扰能得到有效抑制。在决策时，可以采用幅度、面积、斜率等多种特征进行检测，还可以结合其他优化方法，来提高R波的检测正确率。通过小波变换，不仅能够减少工频干扰、肌电干扰及基线漂移等噪声对信号质量的影响，同时能很好地描述ECG各个波的特点。针对ECG信号的个体差异性和时间差异性，可以使用浮动阈值和多标准判定来解决，以减少漏判和误判的发生，提高检测的可靠性。采用小波变换检测ECG信号的缺点是计算量大，当需要处理大量数据或有实时需求时效果不好。2.5.4人工智能法人工神经网络可以用来学习或预先积累模式和经验，然后加上合适的识别策略进行检测。常见的有：结合主成分分析、小波分析、李亚普诺夫指数、卡尔曼滤波的基于神经网络的方法，以及二级神经网络23-26。人工智能法的ECG检测是基于ECG知识库的模式识别，即对ECG知识进行归类、表达、存储、搜索、比较，从而进行诊断。根据对心电知识的描述方法不同，ECG知识库中的信息可分为AND/OR图表达、一阶谓词逻辑、过程语义网、模糊逻辑等信息27 28。AND/OR图表达和一阶谓词逻辑利用形态学方面的知识，过程语义网用到语义学方面的知识和心电传导系统。而模糊逻辑方法能能处理细微的变化，并且不需要增加规则。人工智能法是基于先验知识的检验和分类。但是知识的积累由人工完成，容易受不同种类的复杂知识的影响。在进行特征分类时，选取的特征参量往往具有不规则性和模糊性，只用少数参量难以完整描述，若增加参量又会引入参量检测误差29。2.5.5其它数学方法1、数学形态学法Trahanias30提出了一种QRS波检测的新方法，该方法是基于数学形态学的。其基本原理是先对ECG信号做形态学运算，再对待分析的信号进行QRS复合波检测，其核心就是对ECG信号进行波峰和波谷特征提取，显著增强QRS复合波，同时减弱其它波形。形态学运算把零幅度的水平线段称为形态元素。通过计算形态元素来提取波峰波谷。由于QRS复合波具有陡峭的波峰波谷，同时其周围不包含形态元素，因此能够被有效地识别出来。形态学运算对ECG信号的波峰波谷的提取，显著增强了QRS复合波，同时减弱了其它波形（P波、T波、基线偏移波）3132 ，有效地去除了干扰。在决策时，运用正负幅度阈值来定位QRS主波。结构元素的宽带、信号采样率等因素决定了此算法的检测效率。用形态学方法来检测QRS波，能够较好地去除ECG信号中所包含的基线漂移噪声等低频干扰，但是容易受工频干扰等高频噪声的影响。2、隐马尔可夫模型法隐马尔可夫模型本质上是一种随机的非确定性的有限状态自动机，使用转化可能性的大小来描述其状态变换，且可以递归地构造。该方法可对ECG精准建模，接着进行句法分析，进而识别ECG的各子模式：P波、QRS复合波、T波。隐马尔可夫模型法建模不需要先验知识就可以递归地构造，可把ECG信号转换成初始符号串，对难以识别的子模式实施模糊判定。但其建模训练过程隐藏，无法得知模型的学习程度3334。2.6 MIT-BIH标准心律失常数据库介绍MIT-BIH心律失常数据库是目前全球应用最广泛的心电数据库，是美国麻省理工学院在1980年提出的心律失常数据。该数据库中包含了大量的典型心电数据，非常适用于心电信号检测算法的研究。MIT-BIH心律失常数据库中共有48个典型病例的ECG记录和概述，取自于47个个体，其中201记录和2